Extraire le texte d’un PDF

Avant d’envoyer quoi que ce soit — vous n’aurez pas à le faire

Rien n’est sorti de mon scan.

C’est que le scan n’a pas de couche de texte — c’est une photo de page. La lire demande de l’OCR, que l’app iPhone Privascan fait sur l’appareil, gratuitement.

Pourquoi la mise en page diffère-t-elle de la page ?

Un PDF enregistre où chaque fragment de texte est dessiné, pas des phrases ni des paragraphes. L’extraction suit l’ordre dans lequel les fragments sont dessinés, qui correspond en général à l’ordre de lecture, et parfois non — les colonnes et les tableaux sont là où cela se voit.

Les accents sont-ils préservés ?

Oui, là où le document indique l’encodage qu’il utilise. Un document dont les polices masquent cette information derrière des index de glyphes peut produire des trous, ce qui tient au fichier et non à cet outil.